Académique Documents
Professionnel Documents
Culture Documents
Exemple 4.1.2. On jette une fois un dé non pipé dont les faces sont numerotées de
1 à 6. Si la face apparue supérieurement est de chiffre pair, on gagne 5F . Sinon, on ne
gagne rien.
1) Décrire un espace probabilisable (Ω, F) représentant cette expérience du jet de dé.
2) Définir une variable aléatoire X associée à ce jeu. Donner son univers-image X(Ω).
Solution. Cf. cours.
34
MAT2023 UYI 2021 ©Pr. Mbele Bidima Chapitre 4. Les Variables Aléatoires Discrètes
nécessairement une sous σ-algèbre, on peut munir ΩX de la σ-algèbre σ(Σ) engendrée par
ces intervalles de R. On la note souvent B(R).
vérifie les deux axiomes de probabilité sur l’univers-image ΩX muni de la σ-algèbre B(R).
On l’appelle “loi de probabilité”ou ”distribution de probabilité” de la variable aléatoire X,
ou encore ”probabilité-image” de P par la variable aléatoire X.
2) Et l’application FX : R → [0, 1] définie pour tout x ∈ R par
est une fonction croissante appelée “fonction de répartition” (ou “fonction de distribution
cumulative”) de la variable aléatoire X.
Proposition 4.1.5. Soit X une variable aléatoire réelle sur un espace probabilisé
(Ω, F, P) et FX sa fonction de répartition. Alors:
1) limx→−∞ FX (x) = 0 et limx→+∞ FX (x) = 1.
1) Pour tout x ∈ R, on a P([X > x]) = 1 − FX (x).
2) Pour touts a, b ∈ R tels que a ≤ b, on a aussi P([a < X ≤ b]) = FX (b) − FX (a).
3) limx→−∞ FX (x) = 0 et limx→+∞ FX (x) = 1.
35
MAT2023 UYI 2021 ©Pr. Mbele Bidima Chapitre 4. Les Variables Aléatoires Discrètes
2) Par conséquent, la loi PX de X peut être déterminée pour tout I ∈ B(R) par
X
PX (I) = P[X = xk ]. (4.5)
xk ∈I
36
MAT2023 UYI 2021 ©Pr. Mbele Bidima Chapitre 4. Les Variables Aléatoires Discrètes
ii) Mais si X est d’univers-image infini dénombrable, X(Ω) = {x1 , x2 , ..., xn , ...}, alors
E(X) est définie si la série ∞
P
k=1 |x|P[X = xk ] est convergente, et dans ce cas on pose
P∞
E(X) := k=1 xP[X = xk ].
Ensuite,
Lemme 4.2.7. Soit X une variable aléatoire discrète sur un espace probabilisé(Ω, F, P).
Si f : R → R est une fonction continue, alors Y := f ◦ X notée aussi f (X) est une vari-
able aléatoire discrète d’univers-image ΩY = f (ΩX ) = {f (xk ) | xk ∈ ΩX } et de fonction
de masse de probabilité celle PX de X.
Preuve. Admise!
Proposition 4.2.8. Soit X une variable aléatoire discrète sur un espace probabilisé
(Ω, F, P). Alors,
1) Si X est constante de constante a ∈ R, alors E(X) = E(a) = a.
2) L’espérance mathématique est positive, i.e., si X ≥ 0, alors E(X) ≥ 0.
3) Pour tous a, b ∈ R, on a E(aX + b) = aE(X) + b.
4) Pour tous a, b ∈ R, on a Var(aX + b) = a2 Var(X).
5) Var(X) = E(X 2 ) − (E(X))2 (formule de De König).
Preuve. En cours!
37
MAT2023 UYI 2021 ©Pr. Mbele Bidima Chapitre 4. Les Variables Aléatoires Discrètes
Exemple 4.3.2. Jet d’un dé équilibré en observant si la face apparue est paire.
Ensuite, on rappelle que si p ∈]0, 1[, alors la suite (p, 1 − p) génère une probabilité
notée Pb sur l’ensemble {1, 2} ou {0, 1}. Cette probabilité peut être utilisée comme loi
d’une variable aléatoire. En effet,
Preuve. Immédiate!
38
MAT2023 UYI 2021 ©Pr. Mbele Bidima Chapitre 4. Les Variables Aléatoires Discrètes
39
MAT2023 UYI 2021 ©Pr. Mbele Bidima Chapitre 4. Les Variables Aléatoires Discrètes
P∞ λk
Remarque 4.3.11. D’après 1) du Théorème 4.2.2, on remarque que k=0 k! = eλ ,
qui est un résultat connu au cours d’Analyse de Séries Numériques.
2) Var(X) = n1 nk=1 (xk − x̄)2 , qui est la moyenne arithmétique des carrés des écarts
P
40
Bibliographie
[1] S. Ross; A First Course in Probability, Eighth Edition, Pearson Prentice Hall, 2010.
41